CN109360116B - 获取县域作物生产潜力指数的方法及装置 - Google Patents

获取县域作物生产潜力指数的方法及装置 Download PDF

Info

Publication number
CN109360116B
CN109360116B CN201811069650.6A CN201811069650A CN109360116B CN 109360116 B CN109360116 B CN 109360116B CN 201811069650 A CN201811069650 A CN 201811069650A CN 109360116 B CN109360116 B CN 109360116B
Authority
CN
China
Prior art keywords
coordinate data
point coordinate
county
target
crop production
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201811069650.6A
Other languages
English (en)
Other versions
CN109360116A (zh
Inventor
杨永侠
张函
郭雅萍
张丽红
桑婧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Agricultural University
Original Assignee
China Agricultural University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Agricultural University filed Critical China Agricultural University
Priority to CN201811069650.6A priority Critical patent/CN109360116B/zh
Publication of CN109360116A publication Critical patent/CN109360116A/zh
Application granted granted Critical
Publication of CN109360116B publication Critical patent/CN109360116B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Agronomy & Crop Science (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Husbandry (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明实施例提供获取县域作物生产潜力指数的方法及装置。该方法包括：获取等分因素相同的目标县域和多个参考县域的气象点坐标数据；分别按照多个分段方式对每种气象点坐标数据的数值范围进行等间距的分段，获得多个分段方式；分别从多个分段方式中，选择一种分段方式作为目标分段方式，并获得目标分段方式下的每个分段区间；分别获得每种气象点坐标数据权重；分别获得每种气象点坐标数据在每个分段区间下的参考作物生产潜力指数；通过加权求和的方式分别计算每个分等单元的实际作物生产潜力指数；将实际作物生产潜力指数的平均值作为目标县域的目标作物生产潜力指数。本发明提供的获取县域作物生产潜力指数的方法，更加客观、准确和精细化。

Description

获取县域作物生产潜力指数的方法及装置
技术领域
本发明实施例涉及农用地等别评价技术领域，尤其涉及获取县域作物生产潜力指数的方法及装置。
背景技术
根据《农用地质量分等规程》中规定的耕地质量等别评价方法，作物生产潜力指数是我国农用地分等工作的基础参数之一，是影响农作物生长的气候条件，该参数的科学性和准确性对于我国耕地质量等别评价工作具有重要意义。
目前，作物生产潜力指数是通过每个县内的气象站点观测的气象数据，结合当地的耕作制度、辐射量等经过一系列修正得到的，在耕地质量等别评价中每个县确定唯一值。但在地形复杂的山地丘陵区，由于地形的影响使得降水、积温等出现较大变化，因此县域内使用唯一的作物生产潜力指数不能客观反映山地丘陵区的实际情况。
发明内容
本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的获取县域作物生产潜力指数的方法及装置。
第一方面，本发明实施例提供获取县域作物生产潜力指数的方法，包括：获取等分因素相同的目标县域和多个参考县域的气象点坐标数据；分别按照多个分段方式对目标县域和参考县域的每种气象点坐标数据的数值范围进行等间距的分段，分别获得每种气象点坐标数据的多个分段方式；分别从每种气象点坐标数据的多个分段方式中，选择一种分段方式作为每种气象点坐标数据的目标分段方式，并基于目标分段方式分别对每种气象点坐标数据进行分段，获得目标分段方式下每种气象点坐标数据的每个分段区间；分别获得每种气象点坐标数据权重；分别获得每种气象点坐标数据在每个分段区间所对应的参考作物生产潜力指数；根据目标县域的每个分等单元的每种气象点坐标数据的权重和参考作物生产潜力指数，通过加权求和的方式分别计算每个分等单元的实际作物生产潜力指数；将每个分等单元的实际作物生产潜力指数的平均值作为目标县域的目标作物生产潜力指数。
第二方面，本发明实施例提供一种获得县域作物生产潜力指数的装置，包括：获取模块，用于获取等分因素相同的目标县域和多个参考县域的气象点坐标数据；分段模块，用于分别按照多个分段方式对目标县域和参考县域的每种气象点坐标数据的数值范围进行等间距的分段，分别获得每种气象点坐标数据的多个分段方式；第一处理模块，用于分别从每种气象点坐标数据的多个分段方式中，选择一种分段方式作为每种气象点坐标数据的目标分段方式，并基于目标分段方式分别对每种气象点坐标数据进行分段，获得目标分段方式下每种气象点坐标数据的每个分段区间；第二处理模块，用于分别获得每种气象点坐标数据权重；分别获得每种气象点坐标数据在每个分段区间所对应的参考作物生产潜力指数；第一计算模块，用于根据目标县域的每个分等单元的每种气象点坐标数据的权重和参考作物生产潜力指数，通过加权求和的方式分别计算每个分等单元的实际作物生产潜力指数；第二计算模块，用于将每个分等单元的实际作物生产潜力指数的平均值作为目标县域的目标作物生产潜力指数。
第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现第一方面的获取县域作物生产潜力指数的方法的步骤。
第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现第一方面的获取县域作物生产潜力指数的方法的步骤。
本发明实施例通过获取目标县域和多个参考县域的气象站点坐标数据的取值范围，并按照多个分段方式对气象点坐标数据的取值范围进行等间距分段，从多个分段方式中选取一种分段方式作为目标分段方式，分别获得每种气象点坐标数据的权重和每种气象点坐标数据在每个分段区间所对应的参考作物生产潜力指数，然后通过加权求和的方式依次计算每个分等单元的实际作物生产潜力指数，并将所有分等单元的作物生产潜力指数的平均值作为最终的目标县域的目标作物生产潜力指数，使得目标县域的作物生产潜力指数更加客观、准确和精细。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供获取县域作物生产潜力指数的方法流程示意图；
图2为本发明实施例提供获取县域作物生产潜力指数的装置结构示意图；
图3为本发明实施例提供的一种电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1为本发明实施例提供获取县域作物生产潜力指数的方法流程示意图。如图1所示，该方法包括：
步骤101，获取等分因素相同的目标县域和多个参考县域的气象点坐标数据；
步骤102，分别按照多个分段方式对目标县域和参考县域的每种气象点坐标数据的数值范围进行等间距的分段，分别获得每种气象点坐标数据的多个分段方式；
步骤103，分别从每种气象点坐标数据的多个分段方式中，选择一种分段方式作为每种气象点坐标数据的目标分段方式，并基于目标分段方式分别对每种气象点坐标数据进行分段，获得目标分段方式下每种气象点坐标数据的每个分段区间；
步骤104，分别获得每种气象点坐标数据权重；分别获得每种气象点坐标数据在每个分段区间所对应的参考作物生产潜力指数；
步骤105，根据目标县域的每个分等单元的每种气象点坐标数据的权重和参考作物生产潜力指数，通过加权求和的方式分别计算每个分等单元的实际作物生产潜力指数；
步骤106，将每个分等单元的实际作物生产潜力指数的平均值作为目标县域的目标作物生产潜力指数。
具体地，步骤101中分等因素是对农用地的质量进行分等的指标，通过查询《农用地质量分等规程》可以确定与目标县域的分等因素相同的其他县域。从与目标县域的分等因素相同的其他县域中，选择其中的多个县域作为参考县域。例如多个参考县域，为至少30个参考县域。从互联网地理信息共享类网站上可以下载，所选目标县域和多个参考县域的数字高程模型。
作为一种可选的实施例，获取等分因素相同的目标县域和多个参考县域的气象点坐标数据，包括：对等分因素相同的目标县域和多个参考县域的数字高程模型数据，进行空间分析操作，获取气象点坐标数据。例如，使用GIS平台对目标县域和参考县域的数字高程模型进行提取分析，获得气象站点经纬度坐标，再经过3D分析和提取分析计算气象站点的海拔、坡度和坡向值。
步骤102，分别根据目标县域和参考县域的每种气象点坐标数据的最大值和最小值，确定每种气象点坐标数据的数值范围。作为一种可选的实施例，气象点坐标数据，包括：气象点的海拔、气象点的坡度和气象点的坡向。例如，海拔作为一种气象点坐标数据，最大的海拔值是1000m，最小的海拔值是1m，那么海拔的取值范围是1～1000m。然后按照多个分段方式对每种气象点坐标数据的取值范围进行等间距的分段。例如，海拔作为一种气象点坐标数据，海拔的取值范围是1～1000m，可以间隔200m进行分段，会得到1～200m、201～400m、401～600m、601～800m、801～1000m的5个分段区间。
作为一种可选的实施例，分别按照多个分段方式对目标县域和参考县域的每种气象点坐标数据的数值范围进行等间距的分段，分别获得每种气象点坐标数据的多个分段方式，包括：采用K-means聚类方法分别对目标县域和参考县域的每种气象点坐标数据的数值范围进行等间距的分段，分别获得每种气象点坐标数据的多个分段方式。
步骤103，每种气象点坐标数据都对应多种分段方式，从多种分段方式中按照一定的规则，分别选择一种分段方式作为每种气象点坐标数据的目标分段方式。获得目标分段方式的同时，也获得了每种气象点坐标数据在相应的目标分段方式下的每个分段区间。例如，海拔作为一种气象点坐标数据，海拔的取值范围是1～1000m，分别存在间隔50m、间隔100m、间隔200m、间隔500m等多种分段方式。按照一定的规则对上述几种分段方式进行选择，如果最终选出的是间隔200m的分段方式，那么间隔200m的分段方式就是海拔的目标分段方式。同时获得在此目标分段方式下相应的每个分段区间分别为1～200m、201～400m、401～600m、601～800m、801～1000m的5个分段区间。
作为一种可选的实施例，分别从多个分段方式中，选择相应的分段方式作为气象点坐标数据相应的目标分段方式，获得目标分段方式下相应的每个分段区间，包括：采用地理探测器分别探测获得，每种气象点坐标数据在多个分段方式下分别对应的作物生产潜力指数的解释力；对于每种气象点坐标数据，选择最大的解释力所对应的分段方式作为气象点坐标数据的目标分段方式。
步骤104，按照一定的规则获得每种气象点坐标数据权重；按照一定的规则，获得每种气象点坐标数据在每个分段区间所对应的参考作物生产潜力指数。例如，海拔作为一种气象点坐标数据，海拔的取值范围是1～1000m的海拔，其目标分段方式是间隔200m进行分段，相应的每个分段区间分别为1～200m、201～400m、401～600m、601～800m、801～1000m。那么按照一定的规则，可以获得海拔在上述5个区间的作物生产潜力指数，分别为a1、a2、a3、a4和a5，那么a1、a2、a3、a4和a5则分别为海拔在上述5个区间的参考作物生产潜力指数。
步骤105，从互联网地理信息共享类网站上可以下载目标县域所有耕地的每个分等单元的数字高程模型，通过空间分析操作即可得到每个分等单元的每种气象点坐标数据。依次根据每种气象点坐标数据所在的每个分段区间，确定每个分等单元所对应的气象点坐标数据的权重和作物生产潜力指数，通过加权求和的方式依次计算每个分等单元的实际作物生产潜力指数。计算公式如下：
Figure BDA0001799201210000061
式中，αi为第i个分等单元的实际作物生产潜力指数；αji为第i个分等单元的第j种气象点坐标数据所对应的参考作物生产潜力指数；ωj为第j种气象点坐标数据所对应的权重；m为气象点坐标数据的种类的数目。
步骤106，通过上述步骤105依次求取目标县域每个分等单元所对应的作物生产潜力指数，然后将所有分等单元的作物生产潜力指数的平均值作为目标县域的目标生产潜力指数。计算公式如下：
Figure BDA0001799201210000071
式中，α为目标作物生产潜力指数；αi为第i个分等单元的实际作物生产潜力指数；n为分等单元的数目。
本发明实施例通过获取目标县域和多个参考县域的气象站点坐标数据的取值范围，并按照多个分段方式对气象点坐标数据的取值范围进行等间距分段，从多个分段方式中选取一种分段方式作为目标分段方式，分别获得每种气象点坐标数据的权重和每种气象点坐标数据在每个分段区间所对应的参考作物生产潜力指数，然后通过加权求和的方式依次计算每个分等单元的实际作物生产潜力指数，并将所有分等单元的作物生产潜力指数的平均值作为最终的目标县域的目标作物生产潜力指数，使得目标县域的作物生产潜力指数更加客观、准确和精细。
在上述实施例的基础上，作为一种可选的实施例，分别获得每种气象点坐标数据的权重，包括：对于每种气象点坐标数据，对气象点坐标数据的最大的解释力进行归一化处理，获得处理结果；将处理结果作为气象点坐标数据的权重。
具体地，每种气象点坐标数据的解释力的大小反映相应的气象点坐标数据的取值范围的每种分段方式的优劣。解释力越大，相对应的气象点坐标数据的取值范围的分段方式越好。分别对每种气象点坐标数据的最大解释力进行归一化处理，并将得到的处理结果作为每种气象点坐标数据的权重。归一化处理的公式如下：
Figure BDA0001799201210000072
式中，ωj为第j种气象点坐标数据的权重；qj为第j种气象点坐标数据的最大解释力，m为气象点坐标数据的种类的数目。
例如，海拔、坡度和坡向作为三种气象点坐标数据，海拔的最大解释力为0.8，坡度的最大解释力为0.7，坡向的最大解释力为0.9，通过公式3计算可得，海拔、坡度和坡向的权重分别为0.3、0.29和0.38。
本发明实施例通过对每种气象点坐标数据所对应的最大解释力进行归一化处理，并将处理结果作为每种气象点坐标数据的权重，能够更加准确、客观地反映每种气象点坐标数据对作物生产潜力指数的影响。
在上述各实施例的基础上，作为一种可选的实施例，分别获得每种气象点坐标数据在每个分段区间所对应的参考作物生产潜力指数，包括：分别计算落入每个分段区间的每种气象点坐标数据的相应的作物生产潜力指数的平均值；分别将平均值作为每种气象点坐标数据在每个分段区间的所对应的参考作物生产潜力指数。
具体地，按照目标分段方式对气象点坐标数据的取值范围进行等间距分段，得到相应的多个分段区间。通过互联网等方式可以查询目标县域与多个参考县域所对应的气象点坐标数据，以及相应的作物生产潜力指数。依次计算落入上述每个分段区间的每种气象点坐标数据相应的作物生产潜力指数的平均值。将所得到相应的分段区间的每种气象点坐标数据的作物生产潜力指数的平均值作为该相应分段区间的参考作物生产潜力指数。例如，海拔是一种气象点坐标数据，1～1000m的海拔取值范围，按照200m等间隔分段，相应的得到1～200m、201～400m、401～600m、601～800m、801～1000m，5个分段区间。如果目标县域和多个参考县域的海拔取值中有50m、60m和150m三个海拔取值，落入1～200m分段区间，且50m、60m和150m三个海拔所对应的作物生产潜力指数分别为b1、b2、b3，那么b1、b2、b3的平均值即为1～200m分段区间的参考作物生产潜力指数。
本发明实施例通过将目标县域和多个参考县域落入每种气象点坐标数据的分段空间的每种气象点坐标数据的作物生产潜力指数的平均值，作为相应的分段区间的参考作物生产潜力指数，能够更加准确、客观地反映每种气象点坐标数据在不同的分段区间的作物生产潜力指数。
图2为本发明实施例提供获取县域作物生产潜力指数的装置结构示意图。如图2所示，该装置包括，获取模块201、分段模块202、第一处理模块203、第二处理模块204、第一计算模块205、第二计算模块206；其中：
获取模块201，用于获取等分因素相同的目标县域和多个参考县域的气象点坐标数据；
分段模块202，用于分别按照多个分段方式对目标县域和参考县域的每种气象点坐标数据的数值范围进行等间距的分段，分别获得每种气象点坐标数据的多个分段方式；
第一处理模块203，用于分别从每种气象点坐标数据的多个分段方式中，选择一种分段方式作为每种气象点坐标数据的目标分段方式，并基于目标分段方式分别对每种气象点坐标数据进行分段，获得目标分段方式下每种气象点坐标数据的每个分段区间；
第二处理模块204，分别获得每种气象点坐标数据权重；分别获得每种气象点坐标数据在每个分段区间所对应的参考作物生产潜力指数；
第一计算模块205，用于根据目标县域的每个分等单元的每种气象点坐标数据的权重和参考作物生产潜力指数，通过加权求和的方式分别计算每个分等单元的实际作物生产潜力指数；
第二计算模块206，用于将每个分等单元的实际作物生产潜力指数的平均值作为目标县域的目标作物生产潜力指数。
具体地，分等因素是对农用地的质量进行分等的指标，通过查询《农用地质量分等规程》获取模块201可以确定与目标县域的分等因素相同的其他县域。获取模块201从与目标县域的分等因素相同的其他县域中，选择其中的多个县域作为参考县域。例如多个参考县域，为至少30个参考县域。从互联网地理信息共享类网站上可以下载，所选目标县域和多个参考县域的数字高程模型。
作为一种可选的实施例，获取模块201所获取等分因素相同的目标县域和多个参考县域的气象点坐标数据，包括：获取模块201对等分因素相同的目标县域和多个参考县域的数字高程模型数据，进行空间分析操作，获取气象点坐标数据。例如，使用GIS平台对目标县域和参考县域的数字高程模型进行提取分析，获得气象站点经纬度坐标，再经过3D分析和提取分析计算气象站点的海拔、坡度和坡向值。
分段模块202分别根据目标县域和参考县域的每种气象点坐标数据的最大值和最小值，确定每种气象点坐标数据的数值范围。作为一种可选的实施例，气象点坐标数据，包括：气象点的海拔、气象点的坡度和气象点的坡向。例如，海拔作为一种气象点坐标数据，最大的海拔值是1000m，最小的海拔值是1m，那么海拔的取值范围是1～1000m。然后分段模块202按照多个分段方式对每种气象点坐标数据的取值范围进行等间距的分段。例如，海拔作为一种气象点坐标数据，海拔的取值范围是1～1000m，可以间隔200m进行分段，会得到1～200m、201～400m、401～600m、601～800m、801～1000m的5个分段区间。
作为一种可选的实施例，分段模块202分别按照多个分段方式对目标县域和参考县域的每种气象点坐标数据的数值范围进行等间距的分段，分别获得每种气象点坐标数据的多个分段方式，包括：分段模块202采用K-means聚类方法分别对目标县域和参考县域的每种气象点坐标数据的数值范围进行等间距的分段，分别获得每种气象点坐标数据的多个分段方式。
每种气象点坐标数据都对应多种分段方式，第一处理模块203从多种分段方式中按照一定的规则，分别选择一种分段方式作为每种气象点坐标数据的目标分段方式。获得目标分段方式的同时，第一处理模块203也获得了每种气象点坐标数据在相应的目标分段方式下的每个分段区间。例如，海拔作为一种气象点坐标数据，海拔的取值范围是1～1000m，分别存在间隔50m、间隔100m、间隔200m、间隔500m等多种分段方式。按照一定的规则对上述几种分段方式进行选择，如果最终选出的是间隔200m的分段方式，那么间隔200m的分段方式就是海拔的目标分段方式。同时获得在此目标分段方式下相应的每个分段区间分别为1～200m、201～400m、401～600m、601～800m、801～1000m的5个分段区间。
作为一种可选的实施例，第一处理模块203分别从多个分段方式中，选择相应的分段方式作为气象点坐标数据相应的目标分段方式，获得目标分段方式下相应的每个分段区间，包括：第一处理模块203采用地理探测器分别探测获得，每种气象点坐标数据在多个分段方式下分别对应的作物生产潜力指数的解释力；对于每种气象点坐标数据，第一处理模块203选择最大的解释力所对应的分段方式作为气象点坐标数据的目标分段方式。
第二处理模块204按照一定的规则获得每种气象点坐标数据权重；第二处理模块204按照一定的规则，获得每种气象点坐标数据在每个分段区间所对应的参考作物生产潜力指数。例如，海拔作为一种气象点坐标数据，海拔的取值范围是1～1000m的海拔，其目标分段方式是间隔200m进行分段，相应的每个分段区间分别为1～200m、201～400m、401～600m、601～800m、801～1000m。那么按照一定的规则，第二处理模块204可以获得海拔在上述5个区间的作物生产潜力指数，分别为a1、a2、a3、a4和a5，那么a1、a2、a3、a4和a5则分别为海拔在上述5个区间的参考作物生产潜力指数。
从互联网地理信息共享类网站上可以下载目标县域所有耕地的每个分等单元的数字高程模型，通过空间分析操作即可得到每个分等单元的每种气象点坐标数据。依次根据每种气象点坐标数据所在的每个分段区间，确定每个分等单元所对应的气象点坐标数据的权重和作物生产潜力指数，第一计算模块205通过加权求和的方式依次计算每个分等单元的实际作物生产潜力指数。计算公式如下：
Figure BDA0001799201210000111
式中，αi为第i个分等单元的实际作物生产潜力指数；αji为第i个分等单元的第j种气象点坐标数据所对应的参考作物生产潜力指数；ωj为第j种气象点坐标数据所对应的权重；m为气象点坐标数据的种类的数目。
通过第一计算模块205分别求取目标县域每个分等单元所对应的作物生产潜力指数，然后第二计算模块206将所有分等单元的作物生产潜力指数的平均值作为目标县域的目标生产潜力指数。计算公式如下：
Figure BDA0001799201210000121
式中，α为目标作物生产潜力指数；αi为第i个分等单元的实际作物生产潜力指数；n为分等单元的数目。
本发明实施例通过获取目标县域和多个参考县域的气象站点坐标数据的取值范围，并按照多个分段方式对气象点坐标数据的取值范围进行等间距分段，从多个分段方式中选取一种分段方式作为目标分段方式，分别获得每种气象点坐标数据的权重和每种气象点坐标数据在每个分段区间所对应的参考作物生产潜力指数，然后通过加权求和的方式依次计算每个分等单元的实际作物生产潜力指数，并将所有分等单元的作物生产潜力指数的平均值作为最终的目标县域的目标作物生产潜力指数，使得目标县域的作物生产潜力指数更加客观、准确和精细。
本发明实施例提供的获取县域作物生产潜力指数的装置，具体执行上述各方法实施例流程，具体请详见上述各方法实施例的内容，此处不再赘述。
图3为本发明实施例提供的一种电子设备的实体结构示意图。如图3所示，该电子设备包括：处理器(processor)310、通信接口(Communications Interface)320、存储器(memory)330和通信总线340，其中，处理器310，通信接口320，存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑指令，以执行如下方法：获取等分因素相同的目标县域和多个参考县域的气象点坐标数据；分别按照多个分段方式对目标县域和参考县域的每种气象点坐标数据的数值范围进行等间距的分段，分别获得每种气象点坐标数据的多个分段方式；分别从每种气象点坐标数据的多个分段方式中，选择一种分段方式作为每种气象点坐标数据的目标分段方式，并基于目标分段方式分别对每种气象点坐标数据进行分段，获得目标分段方式下每种气象点坐标数据的每个分段区间；分别获得每种气象点坐标数据权重；分别获得每种气象点坐标数据在每个分段区间所对应的参考作物生产潜力指数；根据目标县域的每个分等单元的每种气象点坐标数据的权重和参考作物生产潜力指数，通过加权求和的方式依次计算每个分等单元的实际作物生产潜力指数；将每个分等单元的实际作物生产潜力指数的平均值作为目标县域的目标作物生产潜力指数。
此外，上述的存储器330中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例提供一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令使计算机执行上述实施例所提供的获取县域作物生产潜力指数的方法，例如包括：获取等分因素相同的目标县域和多个参考县域的气象点坐标数据；分别按照多个分段方式对目标县域和参考县域的每种气象点坐标数据的数值范围进行等间距的分段，分别获得每种气象点坐标数据的多个分段方式；分别从每种气象点坐标数据的多个分段方式中，选择一种分段方式作为每种气象点坐标数据的目标分段方式，并基于目标分段方式分别对每种气象点坐标数据进行分段，获得目标分段方式下每种气象点坐标数据的每个分段区间；分别获得每种气象点坐标数据权重；分别获得每种气象点坐标数据在每个分段区间所对应的参考作物生产潜力指数；根据目标县域的每个分等单元的每种气象点坐标数据的权重和参考作物生产潜力指数，通过加权求和的方式依次计算每个分等单元的实际作物生产潜力指数；将每个分等单元的实际作物生产潜力指数的平均值作为目标县域的目标作物生产潜力指数。
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (7)

1.一种获取县域作物生产潜力指数的方法，其特征在于，包括：
获取等分因素相同的目标县域和多个参考县域的气象点坐标数据；
分别按照多个分段方式对所述目标县域和所述参考县域的每种所述气象点坐标数据的数值范围进行等间距的分段，分别获得每种所述气象点坐标数据的多个所述分段方式；
分别从每种所述气象点坐标数据的多个所述分段方式中，选择一种所述分段方式作为每种所述气象点坐标数据的目标分段方式，并基于所述目标分段方式分别对每种所述气象点坐标数据进行分段，获得所述目标分段方式下每种所述气象点坐标数据的每个分段区间；
分别获得每种所述气象点坐标数据的权重；分别获得每种所述气象点坐标数据在每个所述分段区间所对应的参考作物生产潜力指数；
根据所述目标县域的每个分等单元所对应的气象点坐标数据的所述权重和所述参考作物生产潜力指数，通过加权求和的方式分别计算所述每个分等单元的实际作物生产潜力指数；
将所述每个分等单元的所述实际作物生产潜力指数的平均值作为所述目标县域的目标作物生产潜力指数；
其中，分别从多个所述分段方式中，选择相应的所述分段方式作为所述气象点坐标数据相应的目标分段方式，获得所述目标分段方式下相应的每个分段区间，包括：
采用地理探测器分别探测获得，每种所述气象点坐标数据在多个所述分段方式下分别对应的作物生产潜力指数的解释力；
对于每种所述气象点坐标数据，选择最大的所述解释力所对应的所述分段方式作为所述气象点坐标数据的所述目标分段方式；
所述分别获得每种所述气象点坐标数据的权重，包括：
对于每种所述气象点坐标数据，对所述气象点坐标数据的最大的所述解释力进行归一化处理，获得处理结果；
将所述处理结果作为所述气象点坐标数据的权重；
所述分别获得每种所述气象点坐标数据在每个所述分段区间所对应的参考作物生产潜力指数，包括：
分别计算落入每个所述分段区间的每种所述气象点坐标数据的相应的所述作物生产潜力指数的平均值；
分别将所述平均值作为每种所述气象点坐标数据在每个所述分段区间的所对应的参考作物生产潜力指数。
2.根据权利要求1所述获取县域作物生产潜力指数的方法，其特征在于，所述获取等分因素相同的目标县域和多个参考县域的气象点坐标数据，包括：
对等分因素相同的所述目标县域和多个所述参考县域的数字高程模型数据，进行空间分析操作，获取所述气象点坐标数据。
3.根据权利要求1所述获取县域作物生产潜力指数的方法，其特征在于，所述气象点坐标数据，包括：气象点的海拔、气象点的坡度和气象点的坡向。
4.根据权利要求1所述获取县域作物生产潜力指数的方法，其特征在于，所述分别按照多个分段方式对所述目标县域和所述参考县域的每种所述气象点坐标数据的数值范围进行等间距的分段，分别获得每种所述气象点坐标数据的多个所述分段方式，包括：
采用K-means聚类方法分别对所述目标县域和所述参考县域的每种所述气象点坐标数据的数值范围进行等间距的分段，分别获得每种所述气象点坐标数据的多个所述分段方式。
5.一种获得县域作物生产潜力指数的装置，其特征在于，包括：
获取模块，用于获取等分因素相同的目标县域和多个参考县域的气象点坐标数据；
分段模块，用于分别按照多个分段方式对所述目标县域和所述参考县域的每种所述气象点坐标数据的数值范围进行等间距的分段，分别获得每种所述气象点坐标数据的多个所述分段方式；
第一处理模块，用于分别从每种所述气象点坐标数据的多个所述分段方式中，选择一种所述分段方式作为每种所述气象点坐标数据的目标分段方式，并基于所述目标分段方式分别对每种所述气象点坐标数据进行分段，获得所述目标分段方式下每种所述气象点坐标数据的每个分段区间；
第二处理模块，用于分别获得每种所述气象点坐标数据的权重；分别获得每种所述气象点坐标数据在每个所述分段区间所对应的参考作物生产潜力指数；
第一计算模块，用于根据所述目标县域的每个分等单元所对应的气象点坐标数据的所述权重和所述参考作物生产潜力指数，通过加权求和的方式分别计算所述每个分等单元的实际作物生产潜力指数；
第二计算模块，用于将所述每个分等单元的所述实际作物生产潜力指数的平均值作为所述目标县域的目标作物生产潜力指数；
所述第一处理模块，包括：
采用地理探测器分别探测获得，每种所述气象点坐标数据在多个所述分段方式下分别对应的作物生产潜力指数的解释力；
对于每种所述气象点坐标数据，选择最大的所述解释力所对应的所述分段方式作为所述气象点坐标数据的所述目标分段方式；
所述第二处理模块，包括：
对于每种所述气象点坐标数据，对所述气象点坐标数据的最大的所述解释力进行归一化处理，获得处理结果；
将所述处理结果作为所述气象点坐标数据的权重；
分别计算落入每个所述分段区间的每种所述气象点坐标数据的相应的所述作物生产潜力指数的平均值；
分别将所述平均值作为每种所述气象点坐标数据在每个所述分段区间的所对应的参考作物生产潜力指数。
6.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至4任一项所述获取县域作物生产潜力指数的方法的步骤。
7.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至4任一项所述获取县域作物生产潜力指数的方法的步骤。
CN201811069650.6A 2018-09-13 2018-09-13 获取县域作物生产潜力指数的方法及装置 Expired - Fee Related CN109360116B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811069650.6A CN109360116B (zh) 2018-09-13 2018-09-13 获取县域作物生产潜力指数的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811069650.6A CN109360116B (zh) 2018-09-13 2018-09-13 获取县域作物生产潜力指数的方法及装置

Publications (2)

Publication Number Publication Date
CN109360116A CN109360116A (zh) 2019-02-19
CN109360116B true CN109360116B (zh) 2020-05-05

Family

ID=65350643

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811069650.6A Expired - Fee Related CN109360116B (zh) 2018-09-13 2018-09-13 获取县域作物生产潜力指数的方法及装置

Country Status (1)

Country Link
CN (1) CN109360116B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104089647A (zh) * 2014-07-01 2014-10-08 北京农业信息技术研究中心 一种作物病害发生范围监测方法及系统

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104089647A (zh) * 2014-07-01 2014-10-08 北京农业信息技术研究中心 一种作物病害发生范围监测方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
国家尺度上基于地形因子的光温及气候生产潜力修正算法;陈彦清等;《中国农业科学》;20160615(第11期);第1-3节 *
山区作物气候生产潜力估算中参数的计算和修正问题;王效瑞等;《应用气象学报》;19961130;第7卷(第4期);表4 *

Also Published As

Publication number Publication date
CN109360116A (zh) 2019-02-19

Similar Documents

Publication Publication Date Title
Pitt et al. A comparison of point clouds derived from stereo imagery and airborne laser scanning for the area-based estimation of forest inventory attributes in boreal Ontario
Bradter et al. Identifying appropriate spatial scales of predictors in species distribution models with the random forest algorithm
Getz et al. A local nearest‐neighbor convex‐hull construction of home ranges and utilization distributions
Packalen et al. Predicting the spatial pattern of trees by airborne laser scanning
Husin et al. Application of ground-based LiDAR for analysing oil palm canopy properties on the occurrence of basal stem rot (BSR) disease
Seidel et al. Relationship between tree growth and physical dimensions of Fagus sylvatica crowns assessed from terrestrial laser scanning
Kuželka et al. Automatic detection and quantification of wild game crop damage using an unmanned aerial vehicle (UAV) equipped with an optical sensor payload: a case study in wheat
Peters et al. Synergy of very high resolution optical and radar data for object-based olive grove mapping
Grecchi et al. Assessing the spatio-temporal rates and patterns of land-use and land-cover changes in the Cerrados of southeastern Mato Grosso, Brazil
Tesfamichael et al. Investigating the impact of discrete-return lidar point density on estimations of mean and dominant plot-level tree height in Eucalyptus grandis plantations
Betzek et al. Computational routines for the automatic selection of the best parameters used by interpolation methods to create thematic maps
Erfanifard et al. Development of a robust canopy height model derived from ALS point clouds for predicting individual crown attributes at the species level
Rawat et al. Sediment yield index mapping and prioritization of Madia subwatershed, Sagar District of Madhya Pradesh (India)
CN112365575B (zh) 地平面数据测量方法、装置、可移动设备和可读存储介质
Becknell et al. Landscape‐scale lidar analysis of aboveground biomass distribution in secondary Brazilian Atlantic Forest
Nyström et al. Change detection of mountain birch using multi-temporal ALS point clouds
CN114863369B (zh) 激光雷达监测玉米倒伏的方法、装置、设备及介质
CN113269825A (zh) 基于地基激光雷达技术林木胸径值提取的方法
CN113204061A (zh) 一种构建格点风速订正模型的方法及装置
Jaskierniak et al. Estimating tree and stand sapwood area in spatially heterogeneous southeastern Australian forests
Schmidt et al. Reducing effort while improving inference: Estimating Dall's sheep abundance and composition in small areas
Hao et al. Methodology for optimizing quadrat size in sparse vegetation surveys: A desert case study from the Tarim Basin
CN112308284A (zh) 作物特性预测系统及方法、计算机可读取的存储介质
Sumnall et al. Analysis of a lidar voxel-derived vertical profile at the plot and individual tree scales for the estimation of forest canopy layer characteristics
CN106408571B (zh) 一种基于最优模糊因子选择的可变类遥感图像分割方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200505

Termination date: 20210913